遥感影像作为一种对地观测的数据,蕴含了地物在空间上的大量信息,如何提取这些信息对遥感影像的应用至关重要,因此遥感图像的识别和遥感目标变化检测也成为国内外研究的热点,应用领域也越来越广泛。由于遥感影像的多波段以及高分辨率的特点使得对其特征提取显得较为复杂,存在信息特征提取不明显、变化检测精度不高、遥感影像信息利用不足等问题。为此,本文将胶囊网络(Capsule Net)模型与孪生网络(Siamese Network)框架应用在遥感影像的分类预测与变化检测领域中,通过改进的胶囊网络和变化检测方法,提高遥感影像的信息提取和变化检测的精度。本文主要做了以下工作:(1)提出两种改进的胶囊网络方法并应用在遥感影像的分类预测中。本文对胶囊网络进行两处改进,一种是针对胶囊网络的激活函数进行改进,一种是针对胶囊网络的结构进行改进。其中,对激活函数进行改进可以放大较小的向量,避免特征向量正交,导致结果为零;通过在胶囊网络中加入池化层与特征融合层,可以适应不同尺寸的遥感影像输入以及提取更多特征。实验表明,经过改进激活函数与网络结构的胶囊网络的性能指标在整体上都优于其他基线方法。(2)提出孪生残差神经网络的变化检测方法。针对遥感影像变化检测中的“伪变化”等问题,本文设计了遥感影像预处理、超像素分割与合并、变化特征分析以及变化特征提取等变化检测流程。首先,遥感影像预处理和超像素分割与合并,有效的降低了“伪变化”等噪声对变化检测精度的影响。其次,通过变化特征分析后,得到样本选择结果。最后,再经过孪生残差神经网络进行变化检测,提高变化检测精度。通过实验一区和实验二区的测试,结果表明,本文改进的方法提升了整体的性能指标,说明本文的变化检测方法是有效的。